文件名称：kaggle-jane-street:机器学习模型可预测Jane Street提供的实时金融市场数据
文件大小：655KB
文件格式：ZIP
更新时间：2024-04-06 18:29:58
JupyterNotebook
Kaggle的Jane Street市场预测比赛的游乐场 介绍 简街（Jane Street）在Kaggle上使用过去的高频交易数据（2018年之前的2年数据？）主持了一场预测股票市场（2021年2月至2021年8月）的代码竞赛： ：//www.kaggle.com/c/jane 。 提供的培训数据包含500天的高频交易数据，总计240万行。 公开排行榜数据包含从2020年8月之前到现在的一年的高频交易数据。 私有范围从2020年7月/ 2020年8月的随机时间到2021年8月（截至撰写本文时为2021年3月）。 该训练数据集包含一组匿名特征feature_{0...129} ，代表真实的股票市场数据。 数据集中的每一行代表一个交易机会。 这是一场代码竞赛，因为我们必须准备一系列模型，这些模型可以一次（在将来没有峰值）进行推理1个交易机会，而这要取决于Kaggle上的推理API，并且
【文件预览】：
kaggle-jane-street-main
----models()
--------__init__.py(0B)
----eda_final.ipynb(1.15MB)
----utils.py(8KB)
----cv_final.py(12KB)
----data()
--------data_ma.py(12KB)
--------data_final.py(8KB)
--------data_final_debug.py(15KB)
--------janestreet()
--------__init__.py(0B)
--------data_final_eda.py(3KB)
--------data_rolling.py(8KB)
--------data_denoise.py(6KB)
--------f_mean.npy(1KB)
----utils_lgb.py(52KB)
----iter_cv_torch.py(5KB)
----mlp()
--------v08_pytorch_benchmark.ipynb(28KB)
--------mlp.py(37KB)
--------v09_pytorch_relu.ipynb(28KB)
--------run_train_final_4.py(8KB)
--------v08_submit.ipynb(6KB)
--------run_train_finetune.py(8KB)
--------run_train_base.py(7KB)
--------debug_train_utility_finetune.py(10KB)
--------debug_ae_tf.py(8KB)
--------tf_models.py(13KB)
--------debug_resnet_tf.py(9KB)
--------__init__.py(43B)
--------run_train_final_1.py(6KB)
--------debug_embedding_1.py(9KB)
--------v10_pytorch_leakyrelu.ipynb(29KB)
--------debug_embedding_tag.py(11KB)
--------v05_mlp_train.ipynb(40KB)
--------v13_ae_cv.ipynb(58KB)
--------v01_ae_auc.ipynb(58KB)
--------run_train_final_3.py(1KB)
--------v17_ln_weight_only.ipynb(29KB)
--------debug_train_dense.py(1KB)
--------run_train_final_4_overfit.py(12KB)
--------run_train_final_2.py(10KB)
--------run_train_denoise.py(7KB)
--------run_train_embed.py(5KB)
--------run_train_final_2_overfit.py(9KB)
----lgb()
--------__init__.py(0B)
--------v01_explore.ipynb(11KB)
----__init__.py(160B)
----cv.py(5KB)
----janest.code-workspace(159B)
----.gitignore(292B)
----utils_js.py(39KB)
----cv_splits.py(3KB)
----README.md(18KB)
----iter_cv.py(7KB)
----eda.ipynb(28KB)
----data.py(3KB)